Het effect van robotisering op de arbeidsmarkt in Nederlandse regio’s

Het effect van robotisering op de arbeidsmarkt in Nederlandse regio’s

Een onderzoek naar het verdwijnen van banen als gevolg van robotisering

L.S. (Lucy) Talens

Studentnummer: s1997971 Master Economische Geografie

Faculteit Ruimtelijke Wetenschappen Rijksuniversiteit Groningen

Begeleider: dr. S. Koster

Juni 2016

Voorwoord

Voor u ligt mijn afstudeerscriptie van de master Economische Geografie van de Rijksuniversiteit Groningen.

De keuze voor het onderwerp was vrij snel gemaakt. Op het moment dat ik een onderwerp moest gaan bedenken was er een item over de zelfrijdende auto van Google op het nieuws. Dit trok mijn aandacht en ik maakte al snel de link met mijn master. Hoe zullen dergelijke technologische ontwikkelingen en een toename van automatisering invloed hebben op de werkgelegenheid in Nederland? Hoewel ik in de eerste instantie vooral het economische aspect bedacht had voor de scriptie, was na een bezoek aan mijn scriptiebegeleider al snel het geografische aspect erbij bedacht.

Het uiteindelijke resultaat van het onderzoek heeft even op zich laten wachten. Ondanks dat ik de scriptie in het voorjaar van 2015 begon, rond ik het nu een jaar later in het voorjaar van 2016 af. Er kwam een tweede master tussendoor waar ik op het moment van schrijven nog mee bezig ben en ook een scriptie voor afrond. Ondanks het verhuizen naar Utrecht en daarmee de grotere geografische afstand tussen mijn scriptiebegeleider en mij, is het gelukt het onderzoek af te ronden. Hoewel het de afgelopen maanden erg druk is geweest met het verdelen van mijn tijd tussen een stage en twee scripties, kijk ik inmiddels tevreden terug op het hele proces. Ik vind het nog steeds een erg interessant onderwerp en ben benieuwd hoe dit zich verder gaat ontwikkelen de komende jaren. Ik ben blij dat ik hier een nieuwe bijdrage aan heb kunnen leveren en iets meer duidelijkheid heb kunnen geven over de vraag waar in Nederland de impact van robotisering en het eventuele verdwijnen van banen het grootst kan zijn.

Met de hulp van mijn scriptiebegeleider heb ik toegang gekregen tot de benodigde datasets en werd ik weer op het goede pad gezet wanneer ik afdwaalde of het overzicht even verloren was. De gesprekken en het mailcontact hebben ervoor gezorgd dat ik weer met vertrouwen en hulpvolle inzichten verder kon gaan met het onderzoek, waarvoor dank. Daarnaast wil ik ook de personen bedanken die geholpen hebben bij het toewijzen van werksoorten aan classificatiegroepen, en de personen die geholpen hebben om beroepen aan sectoren te gelinkt. Beide erg lastige klussen, maar ze waren van groot belang voor de uiteindelijke resultaten van de thesis.

Lucy Talens

Rijksuniversiteit Groningen, juni 2016

Samenvatting

De laatste jaren is de bezorgdheid over het vervangen van menselijke arbeid door robots, machines en computers gestegen en meer geuit. Om meer duidelijkheid te krijgen over hoe robotisering de Nederlandse arbeidsmarkt kan beïnvloeden de komende jaren, is er onderzocht hoe de situatie ervoor staat wat betreft de automatiseerbaarheid van banen. Voor meerdere partijen is het nuttig om te weten waar in Nederland robotisering de meeste impact zal hebben op de arbeidsmarkt om op de effecten hiervan te kunnen voorbereiden, bijvoorbeeld via aangepast beleid, subsidiëring, het ontwikkelen van strategieën en te investeren in het omscholen van werknemers. Om dit te weten te komen is ten eerste gekeken naar hoe robotisering te meten is. Vervolgens werd onderzocht welke sectoren in Nederland het meeste te maken zullen krijgen met de effecten van robotisering. Daarna werd regionaal bekeken hoe groot het aantal automatiseerbare banen in elke regio is. In vergelijkbare onderzoeken over de invloed van robotisering- of automatisering op banen, is die laatste stap nog niet eerder uitgevoerd. Dit is echter wel van belang om te weten in welke regio’s van Nederland de meeste banen kunnen verdwijnen als gevolg van robotisering, zodat hier op ingespeeld kan worden. De resultaten uit dit onderzoek voorzien daarom in een eerste inzicht op dit gebied. In de thesis staat de hoofdvraag centraal: Wat zijn de regionale arbeidsmarkteffecten van toenemende robotisering?

Vooruitgang in de ontwikkeling van robots en andere soorten van automatisering zorgen ervoor dat de menselijke arbeid vervangen kan worden. Voornamelijk de middelopgeleiden in Nederland krijgen hiermee te maken. Hiervoor zijn twee hoofdredenen. De groep middelopgeleiden voert veelal werkzaamheden uit die voor een groot gedeelte bestaan uit routinematige taken en vaardigheden. Daarnaast is dit de opleidingsgroep in Nederland die groter is dan de andere groepen: laag- en hoogopgeleiden. Het betreft dus een groot gedeelte van de werkende beroepsbevolking van de Nederlandse arbeidsmarkt. Op basis van de verdeling van sectoren in Nederland is voorspeld dat vooral banen in de regio’s Groot-Amsterdam en Groot- Rijnmond effecten van robotisering zullen merken, doordat deze regio’s een groot aandeel banen hebben in de sectoren ‘industrie’, ‘bouwnijverheid’ en ‘communicatie & informatie’. Deze sectoren zijn op basis van de taken en vaardigheden ingeschat als routinematig en zijn geschikt om ook door robots en computers uitgevoerd te kunnen worden. Op beroepsniveau werd voornamelijk robotisering verwacht in de administratieve beroepen.

Door de focus te leggen op de connectie tussen sectoren en automatiseerbaarheid van beroepen, was de gevoeligheid voor robotisering voor alle regio’s in Nederland te berekenen. Automatiseerbaarheid is een maatstaf om de vervanging van mensen door machines aan te geven. Via twee methoden is de automatiseerbaarheid van sectoren berekend, wat vervolgens heeft geleid tot een voorspelling van het aantal banen per regio wat zou kunnen verdwijnen als gevolg van robotisering. Een kanttekening aan het onderzoek is het feit dat de berekeningen van beide methoden niet het ontstaan van mogelijke nieuwe beroepen meenemen, maar enkel kijken naar het mogelijk automatiseerbaar maken van huidige beroepen en banen.

De eerste methode heeft gebruik gemaakt van routinematigheidsgroepen om de automatiseerbaarheid van Nederlandse beroepen te bepalen. Bij elk beroep behoort een aantal vaardigheden en taken. Deze zogeheten

‘werksoorten’ zijn handmatig toegekend aan één van vijf groepen die elk een bepaalde routinematigheid aangeven. Werksoorten in twee van deze groepen worden als automatiseerbaar beschouwd, terwijl de andere drie groepen als ‘veilige’ groepen gemarkeerd zijn doordat de werksoorten in deze groepen niet automatiseerbaar zijn. Door de handmatige toekenning van beroepen aan de groepen, heeft subjectiviteit echter een rol gespeeld bij de resultaten en in bepaalde mate voor een verminderde betrouwbaarheid gezorgd. De resultaten van de afzonderlijke beroepen zijn vertaald naar sectorniveau. Uit deze resultaten bleek dat de sectoren ‘groot- en detailhandel’, en ‘vervoer en opslag’ de meeste automatiseerbare banen bevatten. De regionale verspreiding van de automatiseerbaarheid liet bij deze methode zien dat de regio’s die veel banen bevatten eveneens de meeste automatiseerbare banen hebben, zoals Groot-Amsterdam,

Utrecht en Groot-Rijnmond. Kleinere regio’s komen relatief gezien meer naar voren als gevoelig voor robotisering, zoals de regio’s Delfzijl en omgeving, Midden-Limburg en Noord-Limburg. Dit heeft te maken met het grote aandeel banen die de regio’s hebben in automatiseerbare sectoren. Groot-Amsterdam en Groot-Rijnmond zijn echter relatief gezien ook erg gevoelig voor robotisering, terwijl regio Utrecht ondanks het hoge absolute aantal automatiseerbare banen, relatief gezien veel minder naar voren komt als automatiseerbaar. Dit is te verklaren door het grote aandeel banen in de creatieve sectoren en de vele niet- routinematige werkzaamheden bij veel banen in die regio.

De tweede methode maakte gebruik van Amerikaanse beroepen waar in een eerder onderzoek de automatiseerbaarheidsindexen van berekend zijn. Deze beroepen zijn in deze thesis handmatig vertaald naar een Nederlandse sectorindeling door voor elk beroep afzonderlijk te bekijken welke sector er het beste bij past. Vervolgens zijn de automatiseerbaarheidsindexen naar sectorniveau vertaald. Hierbij kwam naar voren dat eveneens de sector ‘groot- en detailhandel’ de meeste automatiseerbare banen heeft.

‘Bouwnijverheid’ en ‘vervoer en opslag’ worden ook in grote mate als automatiseerbaar ingeschat, maar het opvallendst aan de resultaten was de sector ‘onderwijs’. Deze sector stond bij methode 1 onderaan in het lijstje wat betreft het aantal automatiseerbare banen, maar methode 2 verwacht juist dat vele banen in deze sector automatiseerbaar zijn. Dit is tegenstrijdig met wat er verwacht werd op basis van de hoeveelheid interactieve en niet-routinematige werkzaamheden die de beroepen in die sector bevatten. Een verklaring hiervoor kan echter niet met zekerheid gegeven worden. Kijkend naar de regionale verspreiding van automatiseerbaarheid laten de resultaten zien dat ze in grote mate overeenkomen met de resultaten van methode 1. Het zijn wederom grote regio’s in de Randstad die veel automatiseerbare banen bevatten, tegenover een meer verspreid beeld wanneer de relatieve automatiseerbaarheid bekeken wordt, waarbij ook vele regio’s in Zuid-Nederland als automatiseerbaar naar voren komen. Delfzijl en omgeving springt ook bij deze methode eruit in het noorden, en daarnaast de regio’s Zaanstreek en IJmond in Midden- Nederland. Ook Zuidwest-Gelderland en Zeeuwsch-Vlaanderen hebben een groot aandeel banen binnen hun regio dat gevoelig is voor robotisering.

Op basis van de resultaten van beide methoden kan gesteld worden dat robotisering een groot effect kan hebben op de Nederlandse arbeidsmarkt. De grote aantallen banen die automatiseerbaar zijn bevinden zich voornamelijk in de grotere regio’s in het westen en midden van Nederland, terwijl het relatieve aandeel automatiseerbaarheid ook in kleinere regio’s een groot effect kan hebben op de arbeidsmarkt. Dit komt door het grote aandeel banen die de regio’s hebben in sectoren die als automatiseerbaar zijn aangeduid via de routinematigheid van werksoorten, vaardigheden en taken. Methode 1 voorspelt een wat rooskleuriger toekomstbeeld dan methode 2 als er naar het aantal automatiseerbare banen gekeken wordt. Echter betekent de voorspelling niet dat die banen ook daadwerkelijk geautomatiseerd gaan worden. Het geeft enkel een indicatie van de gevoeligheid voor robotisering.

Inhoudsopgave

Voorwoord Samenvatting

Hoofdstuk 1

Introductie ... 7

1.1. Aanleiding ... 7

1.2. Een introductie op het fenomeen ‘robotisering’ ... 8

1.3. Relevantie ... 8

1.4. Doel van het onderzoek ... 9

1.5. Vraagstelling ... 9

1.6. Conceptueel model ... 10

1.7. Opbouw ... 11

Hoofdstuk 2 Robotisering: technologische ontwikkelingen ... 12

2.1. Veranderingen in werkgelegenheid ... 12

2.2. De opkomst van robotisering ... 14

2.3. Vaardigheden en taken ... 15

2.4. Onbewuste en bewuste kennis ... 17

2.5. Nederlandse arbeidsmarkt ... 17

2.6. Regionale effecten ... 20

2.7. Conclusie ... 21

Hoofdstuk 3 Methodiek voor de robotisering van banen ... 22

3.1. Methode 1 ... 24

Berekening van de automatiseerbaarheidsindexen ...

24

3.2. Methode 2 ... 28

Berekening van de automatiseerbaarheidsindexen ...

28

Hoofdstuk 4 Resultaten ... 30

4.1. Methode 1 ... 30

Controle van de sectorspecifieke uitkomsten ...

35

4.2. Methode 2 ... 36

Controle van de sectorspecifieke uitkomsten ...

41

4.3. Vergelijking van de twee methoden ... 42

Hoofdstuk 5 Conclusies ... 44

5.1. Robotisering in de literatuur ... 44

5.2. Regionale robotisering zoals berekend via de automatiseerbaarheid van banen ... 45

5.3. Reflectie op het onderzoeksproces ... 47

5.4. Vervolgonderzoek ... 47

Literatuur ... 49

Bijlage 1 Begrippenlijst... 53

Bijlage 2 Overzicht van de gebruikte datasets voor beide onderzoeksmethoden ... 54

Bijlage 3 Lijst van de 38 sectoren in Nederland, gebruikt bij methoden 1 en 2 ... 55

Bijlage 4 Lijst van de 128 werksoorten, gebruikt bij methode 1 ... 56

Bijlage 5 Lijst van de 121 beroepsgroepen, gebruikt bij methode 1 ... 58

Bijlage 6 Overzicht van de 40 COROP regio’s in Nederland ... 61

Bijlage 7 Methode 1 - aantal banen per classificatiegroep per sector ... 62

Bijlage 8 Methode 1 - regionale uitwerking, aantal automatiseerbare banen ... 64

Bijlage 9 Methode 1 - regionale uitwerking, percentage automatiseerbare banen ... 66

Bijlage 10 Methode 1 - overige kaarten per classificatiegroep ... 68

Bijlage 11 Methode 2 – Automatiseerbaarheidsindex per sector ... 73

Bijlage 12 Methode 2 - aantal automatiseerbare banen per sector ... 74

Bijlage 13 Methode 2 - aantal automatiseerbare banen per regio ... 76

Bijlage 14 Methode 2 - percentage automatiseerbare banen per regio ... 77

Hoofdstuk 1

Introductie

1.1. Aanleiding

De afgelopen jaren verschijnen er internationaal steeds meer nieuwsberichten en blogartikelen waarin zorgen geuit worden over de gevolgen van de hedendaagse technologische ontwikkelingen en hoe deze invloed hebben op arbeidsmarktposities. Centraal staat het onderzoek van Frey &

Osborne (2013), maar ook de Nederlandse versie daarvan, waarin Deloitte de resultaten van Frey &

Osborne naar de Nederlandse arbeidsmarkt vertaald heeft (Deloitte, 2014). In de kamerbrief van minister Asscher wordt eveneens verwezen naar de resultaten van Frey & Osborne en het onderzoek wordt gebruikt als leidraad in zijn toespraak (Asscher, 2014).

De berichtgevingen hebben gemeen dat ze allen een link leggen tussen ontwikkelingen in arbeidsbesparende technologie en bescheiden ontwikkelingen in werkgelegenheid. Nu is technologische groei in principe niets nieuws, kijkend naar de opkomst van mobiele telefonie, tablets, 3D brillen en multifunctionele horloges. Volgens vele berichten zit het verschil deze keer echter in het feit dat er nu banen op het spel staan. Friedman (2011) noemt in zijn column dat de wereld

‘hyperconnected’ is geworden en dat arbeiders steeds meer moeten concurreren met gecomputeriseerde machines, robots en microchips. Aan de ene kant is het hierdoor nog nooit zo eenvoudig geweest om in een paar dagen een bedrijf op te starten via online inschrijvingen, creditcard betalingen en marketing, maar aan de andere kant is de concurrentie enorm en wordt het daardoor voor bepaalde groepen moeilijker een baan te vinden en te behouden. Meerdere bronnen van een aantal jaren geleden noemen autorijden als typisch voorbeeld van een taak die niet automatiseerbaar zou zijn, zoals in het boek ‘The new division of Labor’ die in 2005 verscheen (in Brynjolfsson & McAfee, 2011; in Carr, 2015). Hoewel het inderdaad erg lastig is om computers of machines zó te programmeren dat ze de menselijke perceptie en het reactievermogen nabootsen, is het niet onmogelijk. In Amerika is door Google al volop geëxperimenteerd met zelfrijdende auto’s (Deira, 2014), maar ook in Nederland zijn er al meerdere testen geweest met zelfrijdende vrachtwagens en auto’s die de weg op gaan (NOS, 2015). In Amerika verscheen een artikel in 2011 waarin wordt aangekaart dat werknemers zich meer bewust zouden moeten zijn over het risico, of ze wel of niet vervangen kunnen worden door robots in de nabije toekomst. Zo noemt Manjoo (2011) dat robots langer kunnen werken, constanter en betrouwbaar zijn, sneller leren en een betere prijs- kwaliteit verhouding hebben dan menselijke arbeiders. Al met al, we mogen ons best een beetje zorgen maken.

Kijkend naar de geschiedenis van technologische revoluties, is de angst die heerst niet helemaal onterecht. Mensen zijn bang om hun baan kwijt te raken, net zoals dat gebeurde ten tijde van de ontwikkeling van de stoommachine, elektriciteit en computers. In een daaropvolgende revolutie gingen vele banen in de landbouwsector op de schop. Het implementeren van nieuwe technieken brengt veel veranderingen met zich mee, maar naast het verdwijnen van banen kan dit ook juist voor nieuwe banen zorgen (Van Den Berge & Ter Weel, 2015a). Door de overgang van de ene (technologische) ontwikkeling naar de volgende gemakkelijker te laten verlopen, is het belangrijk om vroegtijdig te anticiperen op de effecten die de veranderingen teweeg zullen brengen (Van Est &

Kool, 2015). Voor de Nederlandse overheid en het bedrijfsleven zou het nuttig zijn om te weten waar in Nederland robotisering de meeste impact zal hebben op de arbeidsmarkt om hier op in te kunnen spelen met beleid en strategieën. Zullen er bepaalde sectoren, en daarmee ook bepaalde regio’s gaan groeien, of juist krimpen als gevolg van robotisering? Daarnaast zal het voor werkend Nederland ook handig zijn om te weten waar zij de beste kans maken op een baan in hun werkveld en waar in Nederland de kans groot is om een baan te verliezen.

1.2. Een introductie op het fenomeen ‘robotisering’

Robotisering doet door de naam en door het gebruik van de term door de media vermoeden dat het vooral ontwikkelingen betreft waarin robots gemaakt worden zoals we ze kennen uit films. Robots die er uitzien als mensen en zich ook zo gedragen. Dit beeld doet daardoor gelijk denken aan ‘robots nemen de wereld over’. Robotisering is echter een vrij breed begrip dat meerdere onderdelen omvat.

Mechanisering kan als vroege voorloper van robotisering worden beschouwd, ‘het vervangen van handmatige handelingen door het gebruik van machines’ (Encyclo, 2015). Met de komst en groei van computermogelijkheden is vervolgens automatisering op gang gekomen. Automatisering is een begrip wat uit het Fordisme is voortgekomen en voor het eerst gebruikt is door een leidinggevende van Ford Motor Company in 1946. Het begrip werd omschreven als: “the art of applying mechanical devices to manipulate work pieces… in timed sequence with the production equipment so that the line can be put wholly or partially under pushbutton control at strategic stations” (Carr, 2015).

Automatisering gaat nog een stapje verder dan mechanisering, aangezien het een geheel proces betreft waarin ook veel van het ‘denkwerk’ door computers gedaan wordt, naast dat machines het gebruik van arbeidskrachten verminderen of vervangen. Doordat de machines geprogrammeerd zijn om zichzelf te bedienen is er niet of nauwelijks meer een fysieke bijdrage van mensen nodig bij deze activiteit, zoals wanneer een metaalbewerker een hulpje wordt van de machine en alleen maar hoeft toe te kijken en controleren (Carr, 2015). Er wordt ook wel van computerisering gesproken. Hiermee wordt specifiek het gebruik van ICT en computers in de automatisering bedoeld. Frey & Osborne (2013) refereren naar computerisering als automatisering van banen door het toenemende gebruik van computergestuurde apparatuur.

Er is nog geen duidelijke definitie van robotisering ontstaan, omdat het als combinatie gezien kan worden van drie onderdelen, namelijk: digitalisering, kunstmatige intelligentie en de ontwikkeling van robots (Ederveen & Van Poelvoorde, 2014). Digitalisering is het beschikbaar worden van alle mogelijke informatie in digitale vorm, zodat computers deze data kunnen lezen en gebruiken. Bij kustmatige intelligentie wordt vervolgens betekenis gegeven aan deze beschikbare data via computers. Het vermogen van computers om dit te kunnen doen is de kunstmatige intelligentie.

Daarnaast is het ontwikkelen van robots ook een onderdeel van robotisering. Hiermee worden voornamelijk machines bedoeld die het werk van menselijke arbeiders kunnen vervangen, zoals hierboven bij mechanisering en automatisering is uitgelegd. Een andere omschrijving van robotisering is “een aaneenschakeling van gemechaniseerde processen waarbij het menselijk ingrijpen steeds verder geëlimineerd wordt”. Naast technische factoren spelen ook sociale en arbeidsorganisatorische factoren een rol in het proces van robotisering (Snoek, 2003). Het is lastig om duidelijk onderscheid te maken tussen de vele verschillende begrippen, die allen net iets anders betekenen. In dit onderzoek zal gesproken worden van robotisering zoals gedefinieerd volgens Snoek. Ook zal het begrip automatisering veelvuldig gebruikt worden in de context van het automatiseerbaar worden van beroepen of banen. Wanneer er over robots gesproken wordt in dit onderzoek, wordt daarmee verwezen naar diezelfde definitie, waarbij wordt bedoeld dat de robot de

‘tool’, machine of computer is, die ervoor zorgt dat de aaneenschakeling van gemechaniseerde processen mogelijk is met het elimineren van menselijk ingrijpen tot gevolg.

1.3.

In Nederland zijn veel gegevens beschikbaar over sectoren. Zeker sinds de focus op het topsectoren beleid wordt er een ruime hoeveelheid en verscheidenheid aan cijfers bijgehouden over de Nederlandse sectoren, de werkgelegenheid, productie, groei, krimp, het aantal bedrijven binnen de sectoren en vele andere gegevens. Wat ook geregistreerd wordt is het aantal banen in alle Nederlandse regio’s, maar wat nog ontbreekt is de directe link tussen welke beroepen waar in Nederland het meeste voorkomen. Een belemmering in onderzoek is daarom tot nu toe geweest dat de specifieke connectie tussen beroepen en locatie ontbreekt, terwijl dit met de sectoren als

tussenstap wel gemaakt kan worden. Een belangrijk punt om daarbij rekening mee te houden is dat er veel samenhang is tussen sectoren. De ene zijn output is de ander zijn input. Een afname of groei van een bepaalde sector als gevolg van robotisering, kan daarom ook impact hebben op andere sectoren die in de eerste instantie binnen de eigen sector weinig met robotisering te maken hebben (Vreeburg et al, 2014).

De connectie tussen baanverlies door robotisering en de locatie hiervan, is van groot belang voor beleidsvoering in Nederland en het inspelen op mogelijke veranderingen op de arbeidsmarkt die op korte en lange termijn kunnen gaan plaatsvinden. Inzicht in de effecten van robotisering op regionaal niveau kan daarnaast bijdragen aan de mogelijkheden van werknemers om zich bij- of om te scholen, of een andere richting te kiezen om hun baan te behouden of ergens anders aan het werk kunnen gaan. Overheden kunnen hierop inspelen door middel van subsidiëring en het opzetten van specifieke programma’s, bijvoorbeeld ter bevordering van omscholing. Academisch gezien is er nog een gat op dit gebied. Hoewel onderzoeken zich bezighouden met automatisering en de effecten hiervan op de arbeidsmarkt, ontbreekt de locatiespecifieke connectie nog. Door middel van dit onderzoek wordt hier een eerste stap in gezet.

1.4. Doel van het onderzoek

Het lijkt erop dat de laatste jaren de bezorgdheid over het vervangen worden door robots, machines en computers gestegen is en meer geuit wordt. Op nieuwsartikelen afgaande, is dit in toenemende mate ook het geval in Nederland. Om meer duidelijkheid te krijgen over hoe robotisering de Nederlandse arbeidsmarkt zal beïnvloeden de komende jaren, kan de data van Frey & Osborne (2013) op de Nederlandse arbeidsmarktsituatie geprojecteerd worden zoals Deloitte deels gedaan heeft in het rapport uit 2014. Er wordt een inschatting gemaakt van beroepen die in de toekomst geautomatiseerd kunnen worden en mogelijk zullen verdwijnen. Met deze analyse wordt echter nog niet duidelijk wat voor impact de veranderingen zullen hebben binnen specifieke sectoren in Nederland en welke regio’s de meeste effecten zullen ondervinden van robotisering. Het doel van dit onderzoek is daarom een beeld te schetsen van de mogelijke toekomstige veranderingen op de arbeidsmarkt als gevolg van robotisering, bekeken voor alle regio’s in Nederland.

1.5. Vraagstelling

Om uiteindelijk te kunnen zeggen in waar in Nederland de robotisering de meeste impact zal hebben, zal hier via een aantal stappen naartoe gewerkt worden. Dit wordt gedaan met behulp van de volgende onderzoeksvragen:

- Welke invloed heeft robotisering op de Nederlandse arbeidsmarkt?

- Hoe is robotisering te meten?

- Welke sectoren in Nederland zullen het meeste te maken krijgen met robotisering?

- In welke regio’s in Nederland bevinden de sectoren zich die effecten van robotisering ondervinden?

Hiermee kan een antwoord gegeven worden op de centrale vraag in dit onderzoek:

Wat zijn de regionale arbeidsmarkteffecten van toenemende robotisering?

1.6. Conceptueel model

Het onderzoek wordt uitgevoerd via twee methoden en maakt daarvoor gebruik van twee verschillende datasets. Nadat de onderzoeken zijn uitgevoerd kunnen de resultaten met elkaar vergeleken worden. Wanneer de uitkomsten van beide methoden overeenkomen vergroot dit de betrouwbaarheid van het onderzoek. Er zijn echter vele onzekerheden die meespelen bij het berekenen van de automatiseerbaarheid en het linken van beroepen aan sectoren. Ten eerste de subjectiviteit die het resultaat is van het handmatig linken van beroepen aan sectoren en het koppelen van werksoorten aan routinematigheidsgroepen. Zoveel mogelijk informatie over de beroepen, sectoren, werksoorten en routinematigheidsgroepen is voorhanden, echter blijft er sprake van persoonlijke oordelen en interpretatie door de personen die deze connecties verzorgen. Zelf check ik alle gemaakte connecties meerdere malen, waardoor uiteindelijk ook mijn eigen subjectiviteit een rol speelt bij de resultaten van het onderzoek. Daarnaast worden gegevens gebruikt van een bestaand onderzoek van Frey & Osborne. Zij berekenen automatiseringsindexen waar eveneens subjectiviteit een rol speelt, doordat een gedeelte van de beroepen handmatig wordt aangewezen als enerzijds volledig automatiseerbaar, of anderzijds niet automatiseerbaar. Voor het grootste gedeelte van de beroepen wordt aan de hand van de eigenschappen van die beroepen berekend hoe groot de kans op automatisering is. Op deze manier ben ik voor de resultaten daarvan afhankelijk van de subjectiviteit van die onderzoekers en heb ik daar zelf geen invloed op gehad.

Schematisch gezien kan het empirisch onderzoek worden weergegeven zoals in figuur 1.1.

Methode 1 Methode 2

Figuur 1.1 Conceptueel model

Figuur 1.1 toont voor beide methoden de weg die afgelegd moet worden om tot de uiteindelijke weergave te komen van de automatiseerbaarheid voor regio’s in Nederland. De methoden hebben andere beginpunten. Methode 1 zal via het indelen van werksoorten in classificatiegroepen toewerken naar de connectie met routinematigheid. Vervolgens wordt dit per classificatiegroep gelinkt aan de Nederlandse sectorindeling, waardoor er een voorspelling is te maken over welke sectoren de meeste automatiseerbare banen bevatten. Daarna worden de locatiegegevens eraan toegevoegd en kan bekeken worden hoe de verspreiding van die automatiseerbaarheid eruit ziet over Nederland. Methode 2 heeft als beginpunt de 702 Amerikaanse beroepen die Frey & Osborne (F&O) hebben voorzien van automatiseerbaarheidsindexen. De beroepen worden in deze thesis ondergebracht in de Nederlandse sector die hier het beste bij past. Middels de bijbehorende automatiseerbaarheidsindexen kan vervolgens gezien worden in hoeverre de sectoren automatiseerbaar zijn, waarna de verspreiding over de regio’s inbeeld gebracht kan worden door het toevoegen van locatiegegevens.

1.7. Opbouw

De thesis is in te delen in vijf gedeeltes. Met deze paragraaf wordt het eerste gedeelte afgesloten, waarin het onderwerp en de centrale vraag geïntroduceerd is en waarin onder andere het doel en relevantie van het onderzoek besproken zijn.

Het tweede deel houdt zich bezig met de theoretische achtergrond van robotisering en de ontwikkeling ervan. In dit theoretisch kader wordt eerst aandacht besteed aan de technologische ontwikkelingen van de afgelopen jaren en wat voor veranderingen dit voor de werkgelegenheid heeft gehad. Vervolgens wordt robotisering besproken als recente ontwikkeling en de invloed van vaardigheden, taken, bewuste- en onbewuste kennis op de huidige veranderingen. Daarna wordt specifiek naar de Nederlandse arbeidsmarkt en polarisatie gekeken, en zal benoemd worden welke werkenden in Nederland te maken zullen krijgen met de gevolgen van robotisering. Als laatste van dit gedeelte zal de sectorgevoeligheid en de regionale impact van robotisering besproken worden.

Hierna wordt overgegaan naar het derde gedeelte van het onderzoek: het empirische gedeelte. In navolging van eerder uitgevoerde onderzoeken is via twee methoden een kwantitatieve databewerking uitgevoerd. Voor beide methoden zullen verschillende stappen genomen worden om te komen tot een link tussen banenaantallen per sector en de automatiseerbaarheid hiervan.

Wanneer dit gedaan is worden de locatiegegevens eraan gekoppeld, zodat de regionale impact van robotisering te zien is. De uitwerking hiervan wordt in het vierde gedeelte besproken: de resultaten.

Ten eerste wordt hier bekeken welke sectoren voornamelijk automatiseerbaar zijn, en daarnaast hoe de automatiseerbaarheid over Nederlandse regio’s verspreid is.

Het laatste gedeelte van het onderzoek is de conclusie en bespreekt de belangrijkste resultaten die uit het onderzoek naar voren zijn gekomen. De hoofd- en deelvragen worden hierin beantwoord, waarna er kort gereflecteerd wordt op het uitgevoerde empirische onderzoek. Daarna worden enkele aanbevelingen gedaan voor vervolgonderzoek binnen dit onderwerp.

Hoofdstuk 2

Robotisering: technologische ontwikkelingen

Vele artikelen, boeken en andere publicaties zijn gewijd aan het fenomeen robotisering en de impact hiervan op de bevolking. Dit gaat gepaard met vele verschillende meningen. Is robotisering iets wat we moeten aanmoedigen, of is de angst om vervangen te worden gegrond en moeten we ons zorgen maken over de consequenties van de steeds verdergaande ontwikkelingen? Wie krijgen er vooral mee te maken en wat betekent het specifiek voor de Nederlandse arbeidsmarkt? In dit hoofdstuk zal gekeken worden naar de ontwikkelingen en mogelijke gevolgen van robotisering door middel van een literatuurstudie.

2.1. Veranderingen in werkgelegenheid

Het toenemen van technologische ontwikkelingen en een verhoging van de arbeidsproductiviteit hebben samen gezorgd voor een toename in specialisatie. In het verleden heeft dit vooral geleid tot een groei in het aantal banen (Couzy, 2015). Recente technologische ontwikkelingen op het gebied van automatisering richten zich onder andere op robotisering, waardoor er twijfels ontstaan zijn over het effect hiervan op de werkgelegenheid. De vraag is namelijk of robotisering werkgelegenheid oplevert, of dat het juist werkgelegenheid doet afnemen. Deze twijfels worden voornamelijk veroorzaakt door de angst dat machines en computers banen zullen overnemen doordat ze productiever kunnen werken dan mensen. Arbeidsproductiviteit wordt onder andere beïnvloed door kapitaal- en arbeidsverhoudingen; wanneer de prijs van arbeid stijgt ten opzichte van de prijs van kapitaal, zal een bedrijf eerder kiezen voor een investering in machines dan in arbeid. De productie per werknemer stijgt door een afname in het aantal banen en daarmee stijgt ook de arbeidsproductiviteit. Dit hoeft echter niet automatisch te betekenen dat het bedrijf als geheel ook productiever is geworden. Vaak is het zo dat het gaat om een cyclisch patroon en zal de kapitaal- arbeidsverhouding op een later moment weer dalen, waardoor ook de arbeidsproductiviteit daalt.

Als gevolg van technologische vooruitgang kan de arbeidsproductiviteit wel voortdurend blijven groeien (Huizinga & Smid, 2004). Ter illustratie, in het verleden vertoonde de landbouw- en industrie sectoren in Nederland veel arbeidsproductiviteitsgroei terwijl de zorgsector en overheidsector relatief weinig groei doormaakten op dit gebied. Huizinga en Smid (2004) verwachten dat dit zal blijven doorgaan als gevolg van de schaalvergroting die heeft plaatsgevonden in de landbouw, maar ook door de verschuiving van veehouderij naar tuinbouw, de toepassing van ICT en de inhaalmogelijkheden van de Europese technologie vergeleken met de Verenigde Staten. Vooral in de administratieve diensten wordt een productiviteitswinst verwacht door de groeiende ICT ontwikkelingen.

Tegenwoordig is het verschil in arbeidsproductiviteitsgroei kleiner aan het worden. De dienstensector werd altijd gekenmerkt door lage productiviteitsgroei omdat vele diensten persoonsgebonden interacties inhouden, zoals een kapper. Door technologische ontwikkelingen en het toepassen van ICT-technieken in de dienstensector zijn er grote productiviteitsverbeteringen mogelijk (Huizinga & Smid, 2004). Door de mogelijkheden op het gebied van internationale handel, het produceren op geografische afstand en internationale concurrentie wordt de noodzaak voor direct menselijk contact tussen klant en dienstverlener minder groot. Naast het verhogen van de productiviteit brengen technologische ontwikkelingen ook andere veranderingen met zich mee.

Instituties moeten zich aanpassen, vereiste vaardigheden veranderen en er vinden innovaties plaats in organisatorische processen en modellen. Deze veranderingen kunnen zowel positief als negatief bekeken worden. Bepaalde groepen ondervinden voordelen van de ontwikkelingen doordat zij beschikken over vaardigheden die andere groepen niet hebben. Over het algemeen is de ongelijkheid

van inkomens en werkgelegenheid groter geworden, mede doordat de instituties en vaardigheden de snelle ontwikkelingen bijna niet kunnen bijbenen. Een voorbeeld is de techniek in de computerbranche die de laatste 30 jaar ontzettend hard gegroeid en verbeterd is en dit zal zich nog minstens tien jaar zo voortzetten. De computer kan inmiddels gezien worden als een universele machine die in bijna elke sector, industrie en taak gebruikt wordt (Huizinga & Smid, 2004).

Rifkin (1995) voorspelde in zijn boek ‘End of Work’ dat de toenemende informatietechnologie miljoenen banen in de productie-, diensten- en agricultuursectoren zou gaan kosten. Waar een klein gedeelte van de mensen, zoals managers en hooggeleerden: ‘de elite’, van opbrengsten en voordelen van de technologische ontwikkelingen kunnen profiteren, zal de middenklasse van de bevolking kleiner worden. Daarnaast stelt hij in zijn meer recente boek (Rifkin, 2011) dat de toegenomen productiviteit vooral geleid heeft tot het verlies van banen. Er kan meer output geproduceerd worden met minder mankracht, waardoor bij bedrijven het aantal werknemers dat ze in dienst hebben vermindert. Bedrijven hebben hierdoor hun output al kunnen verhogen met vier procent per werknemer in 2009 (Rifkin, 2011). De ontwikkeling die Brynjolfsson en McAfee (2011)

‘computerisatie’ noemen brengt vele veranderingen met zich mee, maar de effecten hiervan zijn niet zo pessimistisch als Rifkin beschrijft. Menselijke vaardigheden zijn juist meer van belang dan ooit, zelfs nu nieuwe technologieën ons om de oren vliegen. Daarentegen zijn er ook vaardigheden die door diezelfde technologieën overbodig zijn geworden. De werkers die daardoor hun baan verliezen hebben de race tegen de machines verloren. In plaats van te proberen de machines te ‘verslaan’, zouden we moeten proberen de machines voor te blijven (Brynjolfsson & McAfee, 2011).

2.1.1. Complementariteit

Afgezien van het verdwijnen van beroepen als gevolg van toenemende technologische ontwikkelingen en daarmee de mogelijkheid om mensen te vervangen door machines, computers en robots, kunnen er ook nieuwe banen ontstaan door diezelfde ontwikkelingen. In plaats van zich te richten op productinnovaties, kunnen bedrijven zich nu bijvoorbeeld meer focussen op procesinnovaties (Ter Weel, 2015). Doordat de productiviteit stijgt als gevolg van automatisering, dalen de productieprijzen en dit wordt doorberekend naar de consument. Prijsdalingen zorgen voor toenemende vraag, wat weer kan leiden tot een toename in het aantal banen. Ook zullen er mensen nodig blijven om de machines te ontwerpen, installeren, repareren en de benodigde software te programmeren (Car, 2015; Went & Kremer, 2015). In verscheidene sectoren is de complementariteit tussen robots en menselijke arbeid al zichtbaar, zoals in de medische sector. Er wordt steeds vaker gebruik gemaakt van machines om handelingen preciezer uit te voeren of om sneller een diagnose te kunnen stellen door gebruik te maken van een ‘supercomputer’ met een enorme database. Het is in veel van deze gevallen echter nog nodig om de machines aan te sturen en orders te geven, waardoor het meer als verlengstuk van de mens wordt gebruikt dan als vervanger. Hierdoor verandert echter wel het soort werkzaamheden dat bij de beroepen hoort, doordat de mensen moeten kunnen omgaan met dergelijke technologische hulpmiddelen (Hueck & Went, 2014).

Het creatieve probleemoplossend vermogen van mensen en de snelheid en efficiëntie van robots is een manier om optimaal gebruik te maken van nieuwe technologieën (Freeman, 2015). Naast de kundigheid van robots om patronen te herkennen en het in toenemende mate beschikken over complexe communicatieve vaardigheden, is de snelheid en precisie waarmee alles uitgevoerd kan worden een belangrijke troef. Waar robotisering nog niet toe in staat is gebleken, blijft de mens zich nuttig bewijzen (Brynjolfsson & McAfee, 2011).

2.2. De opkomst van robotisering

Vanaf de jaren 60 werd de computer vooral op universiteiten en in grote bedrijven als rekenkracht gebruikt (UWV, 2015). De komst van robots is vooral van grote invloed geworden vanaf de jaren 70, waarin steeds meer productiewerk overgenomen werd door de flexibiliteit en behendigheid van slimme machines. Niet lang daarna werden de robots ook toegepast in het bedrijfsleven door de specialisatie van software en groeiende snelheid, subtiliteit en leercapaciteit (Carr, 2015, UWV, 2015). De auteurs van het boek ‘Race against the machine’ (Brynjolfsson & McAfee, 2011) zijn ervan overtuigd dat wij als mensen het niet kunnen winnen van de opkomende mechanisering door de toenemende werkloosheid als gevolg van technologie. Dit boek heeft tot vele debatten geleid op het gebied van de technologische werkloosheid. De visie wordt ondersteund door verscheidene economisten, onder wie Michael Spence. Spence stelt dat de toename van het aantal machines en robots die routinematige taken overnemen een erg sterke voortdurende en misschien wel versnellende trend is die vooral zichtbaar is in de mechanische en logistieke sectoren. Daarnaast worden werknemers die werken in de informatieverwerking in toenemende mate vervangen door computernetwerken (Carr, 2015).

2.2.1. De wet van Moore

Een trend die veelvuldig genoemd wordt als bijdragende factor aan de snelle IT ontwikkeling is de Wet van Moore. De afgelopen decennia zijn chips vele malen krachtiger geworden, waardoor computers steeds compacter, sneller en betaalbaarder zijn geworden (Van Est & Kool, 2015). Moore voorspelde vijftig jaar geleden dat de snelheid van de chips zich zou blijven verdubbelen door de exponentiële groei van het aantal transistors (onderdelen/bits) in de chip, maar tegen dezelfde kosten. De voorspelling is ontstaan als trend die Moore opviel en hij heeft deze doorgetrokken.

Bepaalde bedrijven zien het echter niet zozeer als een voorspelling, maar eerder als doel om naar te streven en op basis hiervan doelgerichter te investeren en onderzoek te doen. Doordat dergelijke ontwikkelingen de industriële robots al een stuk goedkoper en gemakkelijker bestuurbaar gemaakt hebben, zal het verschil tussen verdwijnende en ontstane banen als gevolg van robotisering toenemen. Robotisering zal niet voor alle werknemers hoeven betekenen dat ze hun baan verliezen, maar zij zullen mogelijk moeten inleveren op het aantal uren dat ze werken, of zullen genoodzaakt zijn over te stappen op banen die eigenlijk onder hun niveau liggen en lager betaald worden (Carr, 2015). Er zullen ook banen ontstaan als gevolg van de toenemende robotisering, maar zoals Carr stelt, kunnen we niet allemaal software programmeurs of robottechnische ingenieurs worden.

2.2.2. Relocatie

Wanneer in een sector het aantal banen vermindert is robotisering hier niet automatisch de oorzaak van. In de productiesector vindt nog steeds regelmatig relocatie plaats waarbij banen naar lagelonenlanden verplaatst worden. Tegenwoordig is dat echter ook niet vaak meer de oorzaak van de vermindering in het aantal banen, aangezien het totale aanbod van productiebanen al jaren aan het dalen is terwijl de output wel sterk groeit, bijvoorbeeld in een land als China dat erg gericht is op industriële productie (Carr, 2015). Daarnaast is er tegenwoordig steeds vaker sprake van ‘reshoring’:

het terughalen van de productie uit lagelonenlanden naar het Westen. Door onder andere het stijgen van de loonkosten en transportkosten in landen zoals China, en meer internationale aandacht voor het verbeteren van arbeidsomstandigheden in lagelonenlanden, wordt robotisering in deze landen gestimuleerd en de productie teruggehaald naar het Westen (Van Est & Kool, 2015).

2.2.3. De menselijkheid van robots

Een terugkerend probleem is de blijvende angst van mensen dat robots hen compleet zullen vervangen op de werkvloer. Om duidelijk te maken dat computers of robots op bepaalde vlakken menselijk inzicht missen kan dit via de volgende vraagstelling uitgelegd worden:

‘De grote bal viel recht door de tafel heen, omdat het gemaakt was van piepschuim.’ Wat was van piepschuim gemaakt, de grote bal of de tafel?

Computers en robots hebben moeite met deze dubbelzinnigheid, terwijl wij als mensen direct snappen wat de context van de situatie is en aan de hand van de omschrijving kunnen inschatten wat er gebeurd is (Carr, 2015). Robotisering is nog niet ver genoeg ontwikkeld om dit soort problemen op te lossen. Wel is in de loop der jaren de ontwikkeling van robots met sprongen vooruit gegaan. Er zijn een aantal ‘generaties’ te onderscheiden (Van den Berge & Ter Weel, 2015b). De eerste generatie robots wordt omschreven als trajectory controlled en zijn vooral gericht op het uitvoeren van een gestandaardiseerde taak. Deze robots zijn vooral te vinden in fabrieken, waar ze lopende band werk uitvoeren. Ze beschikken over grote efficiëntie en zorgen voor veel productiviteitswinst, maar zijn ook gevaarlijk. De robots kunnen niet het verschil zien tussen een mensenhand of een auto- onderdeel.

De tweede generatie robots wordt omschreven als intelligent control. Deze robots zijn in staat om rekening te houden met hun omgeving. Zij kunnen zo ingesteld worden dat ze een steen niet op dezelfde manier kunnen vastpakken als een ei. Deze robots zijn in tegenstelling tot de eerste generatie robots in staat om hun acties aan te passen aan hun omgeving en worden daarom vooral gebruikt in de medische sector. De derde generatie robots is ontstaan uit een ontwikkeling genaamd human enhancement. Zelfrijdende auto’s zijn hier een voorbeeld van. Preventief handelen en het verbeteren van menselijke handelingen zorgen ervoor dat domme acties worden voorkomen.

Hoewel robots al vele taken van mensen kunnen overnemen blijven er voorlopig nog vaardigheden en eigenschappen bestaan van de mens die robots nog niet kunnen nabootsen (Van den Berge & Ter Weel, 2015b).

2.3. Vaardigheden en taken

Een taak is een eenheid van werkactiviteit waarmee output geproduceerd wordt in de vorm van producten of diensten. Vaardigheden zijn het vermogen en de bekwaamheid van een werker om bepaalde taken uit te voeren. Deze vaardigheden worden door werkers ingezet om taken uit te voeren in ruil voor loon. Wanneer een werker de beschikking heeft tot een bepaald niveau van vaardigheden kan dit een stabiele basis vormen om veranderingen in de arbeidsmarkt en technologische ontwikkelingen op te vangen (Acemoglu & Autor, 2010). Voor het begrijpen van de impact van technologische ontwikkelingen op werkgelegenheid en de arbeidsmarkt, is een passend kader nodig waarbij veranderingen in de allocatie van vaardigheden naar taken bekeken kan worden.

Bepaalde banen kunnen een verandering doormaken in het benodigde takenpakket en daardoor andere vaardigheden toegewezen krijgen (Autor et al, 2003). Taken die door de technologische ontwikkelingen van de laatste jaren ook kunnen worden uitgevoerd door robots kunnen in veel gevallen de menselijke werkers vervangen. Daarnaast zijn robots ook steeds vaker ontwikkeld als hulpmiddel bij het uitvoeren van complexere taken, die (nog) niet compleet door machines en computers uitgevoerd kunnen worden (Autor et al, 2003). Rifkin (2011) denkt dat de komende jaren een nieuwe generatie van robots zal verschijnen en vele plaatsen zal innemen op de arbeidsmarkt.

Zij zullen naar verwachting beschikken over menselijke mobiliteit, cognitieve vaardigheden en het vermogen om te reageren en reflecteren op menselijke gedragingen. Vooral de informatietechnologie heeft ervoor gezorgd dat routinematige taken veelal door robots uitgevoerd kunnen worden.

Daarnaast heeft de communicatietechnologie vooral diensten geautomatiseerd en de coördinatie van werk en arbeidsdeling goedkoper gemaakt (Ter Weel & Kok, 2013).

2.3.1. Routinematige taken

Niet-routinematige cognitieve taken omvatten onder andere flexibiliteit, creativiteit, complexe communicatie en probleemoplossendheid. Dit zijn taken die nog niet door computers overgenomen kunnen worden (Autor et al, 2003). Bij het ontwikkelen van computers en machines werden zij in toenemende mate ingezet om routinematige taken uit te voeren zoals rekenen, archiveren en administreren. Ook het uitvoeren van de non-routinematige taken door werknemers verhoogde de productiviteit, doordat deze taken met behulp van de computers en machines sneller, efficiënter en veiliger uitgevoerd konden worden. Er zijn daarvoor echter minder menselijke arbeidskrachten benodigd. Het soort routinematig werk dat veelal is overgenomen door computers en machines wordt gekenmerkt door werk dat gebaseerd is op regels en instructies, in het bijzonder het uitvoeren van berekeningen en het analyseren of bewerken van data (Autor et al, 2003; Ter Weel, 2012). Op basis hiervan is de verwachting dat banen met veel routinematige werkzaamheden automatiseerbaar zullen zijn. Hierbij wordt gedacht aan administratieve banen, maar bijvoorbeeld ook ‘eenvoudig’ lopende band werk, kassières, het inpakken van producten of het besturen van een voertuig.

2.3.2. Globalisering

De veranderingen in het uitvoeren van taken en het ontwikkelen van vaardigheden heeft een impact op globale schaal. Globalisering is een trend die wordt versterkt door de toenemende mogelijkheden van informatisering via communicatietechnologieën (Den Butter & Mihaylov, 2013). De toenemende mogelijkheid voor robots om taken uit te voeren zorgt voor snelgroeiende ontwikkelingen in ICT, wat bijdraagt aan een vergemakkelijking van coördinatie en communicatie. Dit op zijn beurt vermindert de kosten van handelstransacties en de organisatorische aspecten rondom productie en transport. De ontwikkelingen gaan niet zonder impact aan de globale arbeidsmarkt voorbij en ook in Nederland heeft dit veel invloed op de beroepenstructuur en benodigde vaardigheden voor het in stand houden van allerlei soorten bedrijvigheid. Een merkbare verandering is een afname van bepaalde beroepen, maar tegelijkertijd ook het ontstaan van nieuwe soorten werkgelegenheid. ICT ontwikkelingen kunnen er bijvoorbeeld voor zorgen dat röntgen scans beter leesbaar zijn, wat waardoor dat de radiologen minder kennis nodig hebben om ze te kunnen lezen. Daarnaast zijn scans gemakkelijk en snel op te sturen naar radiologen over de hele wereld, zodat honderden kilometers ver weg de scan beoordeeld kan worden. Op deze manier vergroot de ICT de efficiëntie en concurrentie op de markt enorm en de prijzen van de scans dalen. Radiologen kunnen daardoor een gedeelte van hun taken verliezen (Levy, 2008). Een andere merkbaar gevolg van technologische ontwikkelingen en de relatie hiervan met globalisatie is het uitvoeren van bepaalde taken in andere landen. Voor bedrijven kan dit soort uitbesteding goedkoper zijn. Dit is vooral een trend bij de middelopgeleiden, doordat hun taken vaak relatief eenvoudig te automatiseren zijn (Ter Weel & Kok, 2013). Globalisering heeft ervoor gezorgd dat de routinematige taken die behoren bij een beroep elders uitgevoerd kunnen worden. Als gevolg daarvan kunnen werknemers die de niet- routinematige beroepen uitvoeren hiervan profiteren in eigen land, doordat dit taken zijn die niet uitbesteed worden. Hierdoor heeft globalisering een directe relatie met de technologische ontwikkelingen die te maken hebben met het automatiseren van banen. Den Butter & Mihaylov (2013) concluderen in hun publicatie dat vooral de niet-routinematige en interactieve vaardigheden van groter belang worden, waardoor de kennisintensiviteit van beroepen toeneemt. Achter elke vaardigheid en taak zit een bepaalde soort- en hoeveelheid aan kennis. Er is hierbij onder andere onderscheid te maken tussen onbewuste kennis en bewuste kennis.

2.4. Onbewuste en bewuste kennis

Het onderscheid tussen onbewuste en bewuste kennis (tacit en explicit knowledge) is van belang om het vermogen van computers en robots te begrijpen (Carr, 2015). Onbewuste kennis refereert naar alles wat we doen zonder erbij na te denken, zoals fietsen, een boek lezen, auto rijden en het vangen van een bal. Deze vaardigheden moet je leren en sommige mensen zijn er beter in dan anderen. Het gaat hierbij om abstracties en het doen van deze activiteiten gebeurt voor het grootste deel buiten je bewustzijn om (Ekbia, 2014). Naast onbewuste kennis heb je nog de bewuste kennis. Deze kennis is declaratief; je kunt stap na stap uitleggen wat je aan het doen bent, bijvoorbeeld door middel van mondelinge instructies. Dit soort activiteiten zijn het vervangen van een lekke band, het vouwen van een origami figuur of het oplossen van een wiskundig probleem (Carr, 2015).

Doordat software vooral bestaat uit een combinatie van instructies die in bepaalde stappen gevolgd wordt, werd er lange tijd gedacht dat computers en robots nooit de onbewuste kennis zouden kunnen repliceren. De al eerder genoemde ontwikkeling van een zelfrijdende auto markeerde een doorbraak die de grens tussen bewuste en onbewuste kennis verschoof. Dit betekent niet dat robots nu beschikken over onbewuste kennis, maar wel dat zij steeds kundiger worden in het nabootsen van onze resultaten, zonder de menselijke vermogens of manieren zelf uit te voeren. Kortom, de manieren die mensen gebruiken om via onbewuste kennis tot een bepaald eindresultaat te komen, leiden tot dezelfde resultaten als die van robots. Aleen komen robots er via andere stappen. Door deze ontwikkeling nemen robots niet het werk over van mensen, maar wel vele taken die onderdeel zijn van de banen en de manier waarop deze banen worden uitgevoerd (Carr, 2015).

2.5. Nederlandse arbeidsmarkt

De dynamiek van de arbeidsmarkt in Nederland wordt nauwlettend gevolgd door instanties zoals het CBS. Veranderingen in het aantal arbeidskrachten per regio kunnen vaak voor een groot deel verklaard worden uit trends als verstedelijking, interregionale migratie en fluctuaties in economische groei (CBS, 2015e). In toenemende mate wordt in analyses ook rekening gehouden met de effecten van robotisering. Afgezien van mogelijk banenverlies, wordt ook een toename in ongelijkheid tussen werknemers waargenomen op basis van de vaardigheden waarover zij beschikken. Om de technologische ontwikkelingen te kunnen bijbenen is het daarom noodzakelijk dat er op het gebied van onderwijs en zelfontwikkeling geïnvesteerd wordt. In de VS lijkt het tot nu toe alsof dit nog niet genoeg gebeurt; de educatieve vooruitgang is gestopt, resulterend in lagere lonen en minder werkgelegenheid (Brynjolfsson & McAfee, 2012). In Nederland is al jaren een overgang zichtbaar naar meer flexibele werkvormen. Een indirecte consequentie van deze trend, samen met de groei van robotisering, is dat flexwerkers significant minder kans hebben om (om)geschoold te worden door het bedrijf waar ze bij werken. Daarnaast zijn vooral laagopgeleiden vertegenwoordigd onder flexwerkers. Er heerst een bepaalde mate van techniek-angst in Nederland, waarbij men probeert banen te behouden door de arbeid goedkoop en flexibel te maken, in plaats van te investeren in robotisering en dit als vooruitgang te zien (CBS, 2015e).

De grootschalige industrialisatie in de jaren 60 en 70 leidde vooral tot het verdwijnen van banen aan de onderkant van de arbeidsmarkt in de industriële sector, en deze trend is verder doorgezet.

Ongeveer een kwart van de mannelijke Nederlandse beroepsbevolking werkt nog maar in de industrie in 2012, terwijl dit bijna 40% was in 1981 (Ter Weel, 2012). Hoewel er in het verleden vooral een toename was in werkloosheid onder laagopgeleiden door ontwikkelingen in de offshoring en groei in automatisering, is er de afgelopen jaren vooral stijgende werkloosheid waargenomen onder de middelopgeleide beroepsbevolking. Dit zijn banen met veel routinetaken en het lijkt erop dat de economische crisis een drijfveer is geweest voor bedrijven om werkprocessen verder te automatiseren of uit te besteden (Brynjolfsson & McAfee, 2012). Hierdoor is de focus de laatste jaren komen te liggen op het effect van technologische ontwikkelingen op het veranderen van vaardigheden voor de banen. In Nederland zijn twee ontwikkelingen zichtbaar die hiermee te maken

hebben. Het opleidingsniveau van de beroepsbevolking is gestegen (CBS, 2015b) en daarnaast is de relatieve vraag naar hooggeschoolde arbeiders aan het toenemen als gevolg van technologische ontwikkelingen (Ter Weel, 2012). Ook het Centraal Planbureau laat zien dat er een grotere vraag is naar hoogopgeleiden (CPB, 2015). De vraag is zelfs groter dan er wordt aangeboden, waardoor het relatieve loon van hoogopgeleiden gestegen is. Dit is echter niet het geval voor laag- en middelopgeleiden. Automatisering en verplaatsing naar het buitenland worden als redenen genoemd voor het lagere banenaanbod in het laagsegment van de arbeidsmarkt. Voor de loonverdeling is eveneens de meer recente daling in het aantal banen in het middensegment opgemerkt. Deze trend is niet alleen in Nederland, maar ook in vele andere Europese landen zichtbaar. Een groei in het aantal banen wordt waargenomen aan zowel de boven- als onderkant van de loonverdeling tussen 1998 en 2010. Institutionele veranderingen blijken hier geen invloed op te hebben gehad, zowel het minimumloon als de vakbonden hebben de veranderingen niet veroorzaakt. Technologische veranderingen worden aangedragen als belangrijkste factor aan de vraagzijde van de arbeidsmarkt (Ter Weel, 2012).

2.5.1. Polarisatie

Een trend die op de Nederlandse arbeidsmarkt zichtbaar is, is polarisatie. Technologische ontwikkelingen zorgen er over het algemeen voor dat welvaart stijgt, maar de welvaart is niet gelijkmatig verdeeld. Naast de verminderde vraag naar middelopgeleiden is er ook een toenemende inkomensongelijkheid tussen hoog- en laagopgeleiden (Autor et al, 2003). Sinds de jaren 90 is de relatieve werkloosheid van middelopgeleiden hoger geworden vergeleken met hoogopgeleiden (Ter Weel, 2012). De polarisatietrend die hieruit volgt is terug te leiden naar twee belangrijke aspecten.

Ten eerste stijgt de vraag naar hoogopgeleiden meer dan het aanbod, onder andere als gevolg van toenemende technologische ontwikkelingen en een groei in de complexiteit van beroepen.

Tegelijkertijd stijgen de vraag en het aanbod van laagopgeleiden niet. De lonen van hoogopgeleiden stijgen harder dan die van laagopgeleiden, waardoor loonongelijkheid toeneemt. Ten tweede is het werkloosheidspercentage van laagopgeleiden vrijwel altijd al hoger geweest dan die van middelopgeleiden. Er is echter een verschuiving zichtbaar waarin de werkloosheidscijfers van de middelopgeleiden steeds verder afwijken van de werkloosheidscijfers van hoogopgeleiden, terwijl beide groepen vrijwel altijd op gelijke afstand bevonden van de werkloosheidcijfers van de laagopgeleiden. Er kan nog niet van een echte trend gesproken worden, maar het lijkt alsof de werkloosheid van middelopgeleiden aan het stijgen is en dichterbij het percentage van werkloosheid van laagopgeleiden komt te liggen (CPB, 2015).

2.5.2. Niveau en beroepsverdeling

Kijkend naar de niveauverschillen van beroepen zijn hoogopgeleiden in grote mate bezig met het uitvoeren van analytische en interactieve taken, complementair aan computertechnologie. Beroepen van middelopgeleiden bevatten voornamelijk routinematige taken. Voor laagopgeleiden zijn tegengestelde bewegingen zichtbaar. Aan de ene kant worden zij vervangen door robots door de hoge mate aan routinematige taken, maar aan de andere kant is er aan de onderkant van de arbeidsmarkt een groeiende vraag naar dienstverlening met een groot aandeel interactieve taken.

Hierdoor is er complementariteit tussen laagopgeleiden en robots (UWV, 2015). De beroepen op alle opleidingsniveaus met interactieve taken, zoals sportinstructeurs, sociale werkers en docenten secundair onderwijs zijn niet goed automatiseerbaar en zijn daardoor relatief veilige beroepen (Van Den Berge & Ter Weel, 2015a).

De afname in het aantal banen in het middensegment is ook in de Verenigde Staten zichtbaar. Na het omzetten van de resultaten van Frey & Osborne (2013), waardoor deze toe te passen zijn op de Nederlandse arbeidsmarkt, komt Deloitte (2014) tot de conclusie dat vooral administratieve en dienstverlenende functies een groot risico lopen om te verdwijnen. Dit zijn beroepen met een mbo,

havo of vwo niveau, zoals verkopers, fastfoodmedewerkers en postsorteerders. Op een hoger niveau, hbo en wo, zijn het beroepen in specialistische bedrijfsbeheer & administratie en vakspecialistische beroepen zoals taxateurs en opzichters, die automatiseerbaar zijn. Deze beroepen scoren vooral hoog op het lijstje omdat veel personen werkzaam zijn binnen deze functies. De grootste impact van robotisering wordt voorspeld in het middensegment van de beroepsbevolking. Dit beroepsniveau heeft een lager automatiseringsrisico dan de laagopgeleiden zoals berekend door Deloitte via Frey &

Osborne (2013), maar doordat het overgrote deel van de Nederlandse bevolking een middelbaar opleidingsniveau heeft, is dit de groep die relatief gezien het hardst getroffen zal worden door toenemende robotisering (Deloitte, 2014). Dit is weergegeven in figuur 2.1.

Figuur 2.1 Aantal individuen per opleidingsniveau en de automatiseringsrisico’s bij elk niveau (Deloitte, 2014).

Om de verdeling van middelopgeleiden over beroepsgroepen in te schatten, wordt de verdeling van het aantal werkzame personen binnen dit opleidingsniveau over Nederlandse beroepen bekeken. De data van het CBS in tabel 2.1 laat zien dat verreweg de meeste middelopgeleiden werkzaam zijn als administratief personeel (kassières, postsorteerders, baliemedewerkers, personeelsadministratie etc.), daarna als verkopers en medewerkers persoonlijke dienstverlening (kappers, conciërges, koks, barpersoneel etc.)(CBS Statline, 2016b).

Beroepen van middelopgeleiden in Nederland ^Werkenden _{x 1000}

Administratief personeel 429

Verkopers 341

Medewerkers persoonlijke dienstverlening 256

Verzorgenden 176

Vakspecialisten gezondheidszorg 142

Vakspecialisten bedrijfsbeheer en administratie 135

Bouwarbeiders 133

Bestuurders voertuigen en bedieners mobiele machines 127

Metaalarbeiders, machinemonteurs 112

Tabel 2.1 Aantal middelopgeleide werkenden per beroepsgroep (CBS Statline, 2016b)

De beroepen in tabel 2.1 zouden op basis van opleidingsniveau en het voorkomen hiervan in Nederland daarom erg gevoelig kunnen zijn voor robotisering. Afgezien van de medewerkers persoonlijke dienstverlening, verzorgenden en vakspecialisten gezondheidszorg, zijn het allen

beroepen die veel routinematige taken en vaardigheden bevatten. Dit versterkt het vermoeden dat veel van de beroepen in bovenstaande tabel automatiseerbaar zijn. Om een inschatting te kunnen maken van waar in Nederland de impact hiervan het grootst zal zijn, kan gekeken worden naar de verdeling van beroepen over Nederlandse regio’s. Deze gegevens zijn er niet op beroepsniveau, maar wel op sectorniveau.

2.6. Regionale effecten

Afgaande op de vorige paragrafen is meer duidelijkheid gekomen over welke soort banen gevoelig zijn voor robotisering en door wie deze beroepen voornamelijk worden uitgevoerd. Er zijn in Nederland geen gegevens beschikbaar over de verspreiding van beroepen over regio’s, maar wel over het niveau van routinematige taken en banen, en het bijbehorende opleidingsniveau voor alle regio’s. Door deze gegevens te bekijken kan de inschatting alsnog gemaakt worden van welke regio’s gevoelig zijn voor robotisering.

Het CBS gebruikt een indeling op basis van ISCO-niveaus als maatstaf voor de complexiteit en omvang van taken die behoren bij beroepen (CBS Statline, 2016c). Er zijn vier niveaus, waarbij vanaf niveau 1 naar 4 de mate van complexiteit toeneemt en daarbij de routinematigheid afneemt. Een uitleg bij alle niveaus en het voorkomen hiervan in de Nederlandse COROP regio’s is kort uiteengezet in box 2.1.

Box 2.1 Vier ISCO-niveaus en het voorkomen ervan in de COROP regio’s (CBS Statline, 2016c)

Het grote aantal werkzaamheden in niveau 2 bij alle regio’s reflecteert een grote gevoeligheid voor robotisering bij beroepen in de dienstensector. Daarnaast behoren tot dit niveau ook veel beroepen

Box 2.1 Vier ISCO-niveaus en het voorkomen ervan in de COROP regio’s

Niveau 1 Alle 40 COROP regio’s hebben slechts een klein aantal personen die werkzaamheden van dit niveau uitvoeren. Dit zijn werkzaamheden die eenvoudige routinematige taken bevatten en enkel elementair of lager onderwijs vereisen. Afgaande op de routinematigheid en eenvoudigheid van de taken zullen deze werkzaamheden gevoelig zijn voor robotisering. De verwachting is daarom dat een groot gedeelte van deze werkzaamheden zal verdwijnen, waardoor de beroepen die veel van deze werkzaamheden bevatten eveneens gevaar lopen te verdwijnen. Echter, doordat het aantal mensen dat deze werkzaamheden uitvoert in elke regio relatief klein is, zal de impact hiervan niet groot zijn.

Niveau 2 Op twee regio’s na hebben alle COROP regio’s absoluut en relatief gezien de meeste personen die werkzaamheden binnen dit niveau uitvoeren. Deze werkzaamheden zijn weinig tot middelmatig complex en vereisen een laag- tot middelbaar onderwijsniveau. Hierdoor zal de automatiseerbaarheid van de beroepen die veel werkzaamheden uit deze groep bevatten naar verwachting groot zijn.

Niveau 3 Werkzaamheden binnen dit niveau bevatten complexe taken en vereisen een middelbaar tot hoog opleidingsniveau. Alle regio’s bevatten ongeveer een gelijk aantal werkzaamheden behorende bij dit niveau. Door de complexiteit en daardoor niet-routinematigheid van de werkzaamheden worden zij als weinig automatiseerbaar gezien.

Niveau 4 Utrecht en Groot-Amsterdam zijn de twee regio’s die absoluut gezien de meeste personen hebben met werkzaamheden binnen dit niveau. Werkzaamheden binnen dit niveau zijn zeer complex en gespecialiseerd, en worden daardoor als niet- automatiseerbaar gezien. Er is hoger of wetenschappelijk onderwijs voor benodigd.

in ‘bouwnijverheid’ en ‘vervoer en opslag’. Beroepen die voornamelijk uit de werkzaamheden die behoren bij niveau 2 bestaan, zijn bijvoorbeeld secretaressen, archiefmedewerkers, boekhouders, callcenter medewerkers en bankbedienden. De taken van deze werkzaamheden kunnen in grote mate geautomatiseerd worden (Rifkin, 2011). Dergelijke beroepen zijn echter erg verspreid over meerdere sectoren, waardoor dit naar verwachting niet in één specifieke sector als groot verlies terug te zien zal zijn. Beroepen binnen niveau 1 die gevaar lopen om te verdwijnen zullen zich grotendeels in de sector ‘detail- en groothandel’ bevinden. Het gaat om beroepen als kassières, distributiewerknemers en werknemers die achter de schermen in de opslagplaatsen werken (Rifkin, 2011). Sectoraal gezien zal dit naar verwachting een grote impact hebben. Regionaal gezien is de verdeling van de werkzaamheden die bij niveau 1 behoren echter erg verspreid (CBS Statline, 2016c), waardoor dit niet duidelijk in de ene regio meer terug te zien zal zijn dan in een andere regio.

Relatief gezien zijn het de kleinere regio’s die meer dan de helft van hun banen in niveau 2 hebben zitten, zoals Oost-Groningen, Delfzijl en omgeving, Zuidwest-Friesland en Zuidoost-Drenthe. De verwachting is daarom dat deze regio’s relatief gezien veel banen kunnen verliezen door toenemende robotisering. Absoluut gezien zijn de banenaantallen in deze regio’s erg klein vergeleken met de regio’s in bijvoorbeeld de Randstad. Daarom zullen ze absoluut gezien niet veel automatiseerbare banen bevatten vergeleken met de meer omvangrijke regio’s. Het zijn wel juist die grotere regio’s zoals Groot-Amsterdam, Utrecht en Groot-Rijnmond die in niveau 2 absoluut gezien de meeste banen hebben. Hierdoor is te verwachten dat zij veel automatiseerbare banen bevatten. Deze regio’s hebben absoluut gezien ook een erg groot aantal banen in niveau 4 zitten. Zoals box 2.1. toelicht, is dit het niveau met de complexe en niet-routinematige werkzaamheden. Daarom zullen deze regio’s relatief gezien minder hoog eindigen.

2.7. Conclusie

Het vervangen van routinematige taken door machines is voor een groot deel de reden voor het verdwijnen van beroepen. Veel beroepen van laagopgeleiden zijn automatiseerbaar doordat deze een grote hoeveelheid aan routinematige taken en vaardigheden bevat. Echter zijn het absoluut gezien voornamelijk werknemers die middelhoog opgeleid zijn die het hardst getroffen worden, doordat de beroepen van deze werknemers vele routinematige vaardigheden en taken bevat, maar daarnaast bestaat de Nederlandse arbeidsmarkt voor het grootste gedeelte uit middelopgeleiden.

Een regionale voorspelling van een mogelijke afname van banen binnen de regio’s is op basis van de ISCO-niveau indeling gedaan. De vier niveaus geven de complexiteit en routinematigheid van werkzaamheden aan, waarbij met name niveaus 1 en 2 in verband kunnen worden gebracht met het automatiseerbaar worden van banen die deze werkzaamheden bevatten. Op basis hiervan wordt voorspeld dat de sectoren ‘vervoer en opslag’ en ‘bouwnijverheid’ vele automatiseerbare banen bevatten. Daarnaast zijn ook de administratieve beroepen gevoelig voor robotisering, alleen behoren dergelijke beroepen niet onder één specifieke sector. Het effect van de automatiseerbaarheid daarvan zal zich daarom niet duidelijk concentreren in een sector. Regionaal bekeken hebben vooral regio’s in de Randstad veel banen in de routinematige niveaus zitten, waardoor het de verwachting schept dat deze regio’s absoluut gezien veel automatiseerbare banen bevatten. Relatief gezien zijn het echter juist de kleinere regio’s zoals Oost-Groningen en Zuidwest-Friesland die een groot gedeelte van de banen in de routinematige niveaus hebben zitten, waardoor voor die regio’s een grote impact verwacht wordt van robotisering.

Hoofdstuk 3

Methodiek voor de robotisering van banen

Om de verwachtingen uit hoofdstuk 2 na te kunnen gaan en hiervoor de regionale effecten van robotisering in kaart te kunnen brengen, zijn twee stappen van belang. Ten eerste moeten beroepen geclassificeerd worden naar hun gevoeligheid voor automatisering. Ten tweede moeten de geografische patronen van deze beroepen in beeld worden gebracht.

De link tussen beroepen en locatie die we nodig hebben voor het onderzoek kan met Nederlandse data niet eenvoudig gelegd worden, aangezien er geen gegevens zijn over hoeveel banen van elk beroep waar in Nederland voorkomt. Deze gegevens zijn er echter wel op sectorniveau. Daarom zal voor beide onderdelen via een tussenstap de link alsnog gemaakt kunnen worden. Hier is een classificatie voor nodig waarbij beroepen ondergebracht worden in een sectorenindeling die in Nederland gehanteerd wordt. Beide onderdelen gebruiken een verschillende manier om tot de sectorgegevens te komen. Twee bestaande onderzoeken worden bewerkt, waarbij kwantitatieve analyses zullen leiden tot twee voorspellingen over de gevoeligheid voor automatisering, waarna vervolgens voor beide analyses de geografische patronen in kaart worden gebracht.

Wanneer uit beide onderdelen eenzelfde soort voorspelling naar voren komt vergroot dit de betrouwbaarheid van de uitkomsten, ondanks dat er vele stappen en onzekerheden een rol spelen in het onderzoek. Subjectiviteit speelt in beide methoden een rol, namelijk door het toekennen van werksoorten aan classificatiegroepen in methode 1, en het onderbrengen van beroepen in sectoren in methode 2. Door de grote hoeveelheid aan keuzes die gemaakt moeten worden en de vele mogelijkheden voor die keuzes is het belangrijk goed te verantwoorden waarom er voor een bepaalde richting gekozen is. De oorsprong van de twee methoden zal hieronder kort toegelicht worden, waarna in de volgende paragrafen de bewerkingen van de datasets stap voor stap besproken worden.

Frey & Osborne (2013) hebben met hun onderzoek 702 beroepen in Amerika gecategoriseerd op basis van de waarschijnlijkheid om overgenomen te worden door computers. Door middel van O*Net, een Amerikaanse database waar de karakteristieken per beroepssoort zijn bepaald, hebben zij de beroepen gecategoriseerd. Met behulp van het onderzoek van Autor et al (2003) naar de bruikbaarheid van computers voor routinematige- en non-routinematige taken, hebben Frey &

Osborne de berekening enigszins aangepast omdat de hedendaagse technologie inmiddels een stuk verder is ontwikkeld vergeleken met 2003, en computers naast routinematige taken ook steeds meer non-routinematige taken kunnen overnemen. Daaruit is een rangschikking gekomen die alle 702 beroepen een getal tussen 0 en 1 meegeeft, waarbij 1 betekent dat het beroep voor 100%

vervangbaar kan worden door computers. Om niet volledig op subjectiviteit te rangschikken, is eerst handmatig voor 70 beroepen aangegeven welke waarde ze hebben: 1 is volledig automatiseerbaar en 0 is niet automatiseerbaar. Daarna is de rest van de 632 beroepen via een door hen zelf ontworpen algoritme voorspeld, rekening houdend met 9 beroepskarakteristieke variabelen. Frey & Osborne concluderen dat 47% van de totale huidige werkgelegenheid in de Verenigde Staten overgenomen kan worden door computers in de toekomst. Hun analyse neemt niet mee dat er door robotisering ook weer nieuwe beroepen kunnen ontstaan (Frey & Osborne, 2013). Aangezien in Amerika een andere beroepenindeling gehanteerd wordt dan in Nederland, heeft Deloitte de resultaten vertaald naar de in Nederland gebruikte beroepsgroepenindeling ISCO. Zij hebben een link gemaakt met het aantal personen werkzaam in deze beroepen via CBS statistieken om op die manier iets te kunnen zeggen over de impact van robotisering op Nederlandse beroepen. Deloitte komt met de schatting dat er tussen de 2 en 3 miljoen banen in Nederland zullen verdwijnen (Deloitte, 2014).